[发明专利]基于压缩感知的CCD噪声估计方法

说明书

技术领域

本发明涉及一种图像噪声的估计，特别是涉及一种利用压缩感知技术，从单幅噪声图像中，估计出严重依赖于信号强度的基于压缩感知的CCD噪声估计方法。

背景技术

电荷耦合器件CCD(Charge Coupled Devices)是20世纪70年代发展起来的新型半导体器件。CCD以其具有自扫描、高分辨率、输出噪声低、动态范围大、量子效率高、电荷转移效率高、光谱响应范围宽、几何稳定性好等优点，在计算机视觉系统中应用越来越广泛。

CCD图像传感器的输出信号是空间采样的离散模拟信号。CCD工作时，在输入结构、输出结构、信号电荷存储和转移过程中，都会产生噪声。CCD噪声主要包括有光子散粒噪声、复位噪声、暗电流噪声、固定模式噪声、放大器噪声以及量化噪声等。噪声是影响图像信噪比的重要参数，噪声叠加在信号电荷上，形成了干扰，严重降低了信号精度。特别是随着CCD器件的小型化、集成化发展，对CCD噪声的估计和去除显得尤为重要。

传统的噪声估计方法主要针对高斯白噪声设计。但是CCD噪声是严重依赖于信号强度的，不符合高斯白噪声的分布，所以对CCD噪声的估计得到的是一个噪声水平函数NLF(Noise Level Function)。再加上CCD相机的响应函数(Camera Response Function，简称CRF)复杂的非线性特征，导致传统的噪声估计方法估计CCD噪声时很不理想。

目前CCD噪声估计方法大致可以分为两类。一类是在空间域进行估计。根据图像像素值的不同，对整幅图像进行分块，然后通过计算块与块的差值来估计对应像素的噪声水平，最后利用这些噪声点进行插值，得到NLF曲线。这种方法可以一定程度上估计出图像噪声，但是得到的噪声曲线非常粗糙，且参数的自适应性差。另外一类就是在变换域进行噪声估计。先是利用小波变换对图像进行去噪，用噪声图像减掉去噪后的估计图像得到了对应像素的噪声，统计平均后得到噪声曲线。这种方法对于纹理和边缘较少的图像比较有效，但是对于高纹理的图像很容易出现噪声的过估计，同时对图像的去噪效果要求较高。而非均匀噪声图像的去噪本身就是图像处理与计算机视觉领域的一个难点。

现存的技术在估计CCD噪声方面有着明显的不足，特别是对于高纹理和多边缘的图像，从单幅图估计出的噪声水平函数(NLF)有着较大的偏差，并且算法的复杂度很高。

目前对于单张图像还没有很有效的方法精确预测每个像素值的噪声水平，但是我们可以采用块匹配的方法，准确估计出光滑区域的部分样本点的噪声水平。压缩感知技术表明，如果信号在某组基下是稀疏的，那么就有可能通过少数的采样点恢复出原信号。因此，采用压缩感知技术可以由已估计出的部分噪声水平样本点来重构出完整的噪声水平曲线。

发明内容

本发明所要解决的技术问题是，提供一种只需要准确的估计部分光滑区域的噪声水平，就可以利用压缩感知技术估计出整幅图像的噪声水平函数的基于压缩感知的CCD噪声估计方法。

本发明所采用的技术方案是：一种基于压缩感知的CCD噪声估计方法，包括如下阶段：

1)单张图像CCD噪声样本点估计阶段，即从单幅图像中准确估计出部分像素的噪声水平，采用的是基于块的三维DCT变换进行去噪，包括如下步骤：

(1)搜索合适的图像块；

(2)对图像块进行去噪；

(3)估计样本点的噪声水平；

2)基于压缩感知的噪声水平曲线重构阶段，即模拟出各种不同型号的CCD在不同情况下的噪声水平曲线，利用主成分分析的方法得到所述曲线的特征向量，选取其中的10个向量作为字典，将现有的样本点作为对代求曲线的采样值，由此构造出采样矩阵，然后根据采样值、采样矩阵以及字典，利用OMP算法得到待求曲线在所述字典下的稀疏表示的系数，最后用系数和字典中的向量相乘，就准确的重建出一条特定的噪声曲线。

所述的搜索合适的图像块，是采用块搜索步长N_s＝3，即每隔三行三列取一个图像块，块的大小取N＝8，每取一个图像块，计算该图像块的期望值和方差值，并设定门限值，只对方差值小于门限值的图像块进行块搜索，并根据图像块的均值来控制块的选取，对于每一个选中的图像块，在搜索半径N_r＝7的范围内，计算所有8x8图像块与参考块的距离，然后，取与参考块距离最小的N_t＝8个块作为相似块，重叠在一起形成一个8x8x8的三维图像块，这样就完成了一个图像块的搜索。

所述的期望反映的是该图像块的像素水平，而方差则表示的是该图像块的光滑的程度。